CN111222652B - 一种废弃电器电子产品回收流程中的智能匹配方法 - Google Patents
一种废弃电器电子产品回收流程中的智能匹配方法 Download PDFInfo
- Publication number
- CN111222652B CN111222652B CN202010055952.9A CN202010055952A CN111222652B CN 111222652 B CN111222652 B CN 111222652B CN 202010055952 A CN202010055952 A CN 202010055952A CN 111222652 B CN111222652 B CN 111222652B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- sorting center
- evaluation
- dismantling
- satisfaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Abstract
本发明提供了一种废弃电器电子产品回收流程中的智能匹配方法,属于废旧电子产品回收领域。所述方法包括:建立综合数据库、确定指标体系和偏好置信度、对指标评价和处理、建立多目标优化模型、求解匹配结果。本发明将传统的匹配算法转化为考虑分拣中心和拆解企业指标偏好的双边匹配模式,可以实现分拣中心仓储量最优,成本最低,利润最高的同时,使拆解企业获得更准确更稳定的货源的目的,从而提高废旧电子产品回收流程的回收率,从源头处降低其回收成本。
Description
技术领域
本发明涉及一种废弃电器电子产品回收流程中的智能匹配方法,属于废旧电子产品回收领域。
背景技术
废旧电子产品回收流程中分拣中心的货物供给与拆解企业的货物需求遵循经济最优匹配原则。目前分拣中心货物供给拆解企业仍采用人工分配的方式,即拆解企业存在货物需求时,通过电话等人工方式联系分拣中心要求供货,显然这种供货方式无法实现分拣中心和拆解企业的最优匹配,成本高且盈利少。因而利用信息交互技术,借助于智能化手段,实现拆解企业和分拣中心的合理配货已经成为废旧电子产品回收领域的普遍需求。
双边匹配作为一种有效的信息交互手段,其运用领域广泛,包括电子商务、物流等领域。双边匹配是根据双方主体的期望和属性,尽可能达成使主体双方都满意的匹配,目前废旧电子产品回收市场结合互联网技术属于刚起步阶段,回收流程信息交互技术的研究比较困难,由于在双边匹配问题中,指标信息不仅仅局限于单一的指标类型,更多是多种形式评价信息,但在多种形式指标决策的双边匹配问题中,已有的双边匹配算法很少考虑到匹配主体的实际需求和匹配的合理性的问题。
发明内容
本发明提供一种废弃电器电子产品回收流程中的智能匹配方法,所述方法包括:
步骤1:确定分拣中心和拆解企业的个数,采集分拣中心和拆解企业的数据,建立综合数据库;所述综合数据库包含分拣中心和拆解企业的以下属性数据:地理位置、历史订单、货物的品类、货物的价格、货物的大小、分拣中心的仓储能力、拆解企业的拆解能力等;
步骤2:建立分拣中心对拆解企业、拆解企业对分拣中心的评价指标体系,并根据不同分拣中心和拆解企业的个体对相应评价指标的偏好来设置指标置信度;所述评价指标包括0-1评价指标、语言评价指标、区间型评价指标以及一般数值型评价指标;
步骤3:建立分拣中心对拆解企业、拆解企业对分拣中心的评价指标满意度值矩阵;所述评价指标满意度矩阵包括0-1评价满意度矩阵、语言评价满意度矩阵、区间型评价满意度矩阵以及一般数值型评价满意度矩阵;
所述0-1型评价满意度矩阵建立过程包括:若拆解企业和分拣中心对对方的指标期望值与实际值相等,则该评价指标值为1,反之则为0,满意度为:|t-1|,其中,t为评价指标值,从而得到双方的0-1型评价满意度矩阵;
所述语言评价满意度矩阵建立过程包括:根据拆解企业和分拣中心各自对产品的语言描述得到的语言评价指标转化为三角模糊值,得到各自对产品的语言评价矩阵,再根据分拣中心和拆解企业对对方的产品的语言评价偏好转化为三角模糊值,经利用理想点求距离、归一化处理后得到拆解企业和分拣中心对各自的语言评价满意度矩阵;
所述区间型评价满意度矩建立过程包括:获得拆解企业和分拣中心对各自产品属性的参考区间及对对方的期望区间,对参考区间和期望区间形成的坐标求得两坐标间的距离值作为满意度值,从而得到区间型评价满意度矩阵;
所述一般数值型评价满意度矩阵由评价值直接得到;
步骤4:将步骤3中所述0-1评价满意度矩阵、语言评价满意度矩阵、区间型评价满意度矩阵以及一般数值型评价满意度矩阵进行整合,得到分拣中心对拆解企业、拆解企业对分拣中心的综合评价指标满意度矩阵,考虑指标置信度得到拆解企业和分拣中心的差异矩阵,所述差异矩阵为分拣中心或拆解企业的期望与实际值之间的差距,为满意度矩阵与指标置信度的乘积,通过将差异矩阵中的元素被减一,得到分拣中心对拆解企业、拆解企业对分拣中心的综合满意度值矩阵;
步骤5:建立综合满意度最大的多目标优化模型,使分拣中心和拆解企业的利润最大;同时分拣中心和拆解企业存在一定的约束,根据约束得到完整的模型函数,并利用智能寻优方法求解匹配结果;所述智能寻优方法包括线性加权转化为单目标求解或遗传算法或粒子群算法等。
在本发明的一种实施方式中,所述0-1型评价指标包括:分拣中心对拆解企业的评价如能否环保处理、能否以旧换新、能否保护隐私等指标和拆解企业对分拣中心的评价如产品能否开机、有无维修记录等指标。
在本发明的一种实施方式中,所述语言评价指标包括:分拣中心信誉度、产品描述符合度等指标。
在本发明的一种实施方式中,所述区间型评价指标包括:产品价格等指标。
在本发明的一种实施方式中,所述一般数值型指标包括:分拣中心对拆解企业的评价如地理位置、屏幕外观、产品磨损程度、产品品牌等指标。
在本发明的一种实施方式中,所述多目标优化模型为:
其中目标函数Z1、Z2分别表示使分拣中心和拆解企业达到最大满意度值的目标函数; 分别为分拣中心对拆解企业的综合满意度值矩阵以及拆解企业对分拣中心的综合满意度值矩阵:xij的值即表示了分拣中心和拆解企业的匹配结果;s.t.为约束条件;约束条件表示分拣中心最多仅能匹配一个拆解企业;约束条件xij=0或1,i=1,2,...,m;j=1,2,...,n限定xij匹配结果只能为0或1,当xij=1时表示分拣中心i与拆解企业j达成匹配,反之即xij=0表示未达成匹配。
在本发明的一种实施方式中,所述多目标优化模型是通过给予不同的加权和的权重参数ω1、ω2,进而可实现总满意度值Z=ω1Z1+ω2Z2最大:
其中,ω1、ω2的值表示本次匹配中对于分拣中心和拆解企业的重视程度。
在本发明的一种实施方式中,所述ω1=ω2=0.5。
有益效果:
(1)本发明通过综合考量分拣中心和拆解企业的属性和期望,根据分拣中心和拆解企业的指标体系进行评价,并考虑分拣中心和拆解企业对不同指标的偏好给定不同的指标置信度,进而得到满足各自期望的评价体系值,然后构建多目标优化模型,实现整体满意度值最大,并利用线性规划求解匹配结果。与传统的匹配方案相比,该方案不仅提升了分拣中心的配货效率及仓库利用率,也使得拆解企业能够有稳定的货物来源和质量保证。
(2)本发明在一般双边匹配的基础上提出新的智能匹配方案,将传统的匹配算法转化为考虑分拣中心和拆解企业指标偏好的双边匹配模式,可以实现分拣中心仓储量最优,成本最低,利润最高的同时,使拆解企业获得更准确更稳定的货源的目的,从而提高废旧电子产品回收流程的回收率,从源头处降低其回收成本。
附图说明
图1为本发明智能货物匹配方法流程图
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。
实施例1
本实施例提供的一种废弃电器电子产品回收流程中的智能匹配方法,如图1所述,所述方法步骤如下:
步骤1:确定分拣中心和拆解企业的个数,采集分拣中心和拆解企业的数据,建立综合数据库;所述建立综合数据库包含分拣中心和拆解企业的以下属性数据:地理位置、历史订单、货物的品类、货物的价格、货物的大小、分拣中心的仓储能力、拆解企业的拆解能力等;
所述分拣中心集合为U={U1,U2,...,Um},拆解企业的集合为V={V1,V2,...,Vn},其中m和n分别表示分拣中心U和拆解企业V的个数,并且m≥2,n≥2。Ui表示分拣中心集合U的第i个个体(i=1,2,...,m),Vj表示拆解企业集合V的第j个个体(i=1,2,...,n)。
步骤2:建立分拣中心对拆解企业的评价指标体系以及拆解企业对分拣中心的评价指标体系,并根据不同个体对相应评价指标的偏好来设置指标置信度;
所述分拣中心对拆解企业的评价指标体系其中Eb表示第b个评价指标(b=1,...g),所述评价指标包括语言评价指标0-1评价指标区间型评价指标以及一般数值型评价指标所述拆解企业对分拣中心的评价指标体系为:其中Ap表示第p个评价指标(p=1,2,...,h),所述评价指标包括语言评价指标0-1评价指标区间型评价指标以及一般数值型评价指标同时对于不同分拣中心和拆解企业,给定不同的指标偏好置信度如下表1。其中ω1,ω2,...ωh由各个分拣中心和拆解企业确定,并且满足和
表1指标置信度分配
步骤3:建立分拣中心和拆解企业的满意度值矩阵;将步骤2中所述的分拣中心对拆解企业的评价体系以及拆解企业对分拣中心的指标体系评价体系分别分为四种类型指标,其中为S1类0-1评价指标,为S2类语言型评价指标,为S3区间型评价指标,为S4一般数值型评价指标;
所述S1类0-1型评价指标包括:分拣中心对拆解企业的评价如能否环保处理、能否以旧换新、能否保护隐私等指标和拆解企业对分拣中心的评价如产品能否开机、有无维修记录等指标;拆解企业Vj对分拣中心的第p个指标设置期望值为分拣中心产品的实际值;若则该评价指标值为1,反之则为0,得到分拣中心对拆解企业的0-1评价矩阵以同样的方法得到拆解企业对分拣中心的评价矩阵S1类满意度计算公式为可得到分拣中心对拆解企业的满意度矩阵以同样的方法得到拆解企业对分拣中心的满意度矩阵
所述S2类语言评价指标包括:分拣中心信誉度、产品描述符合度等指标,所述S2语言评价信息一般由奇数个元素构成的有序集s={s1,s2,...,st},分拣中心根据实际情况对产品进行描述得到评价指标sq,将其转化为三角模糊函数f=(f1,f2,f3),相应的转化公式为:
所述S3类区间型评价指标包括:产品价格等指标;首先基于分拣中心对于产品的属性参数根据定价系统获得一定的参考定价同时分拣中心基于给出自己的期望价格x1=[x1,x2],x1≤x2且x1,x2∈Z+,则关于S3类区间型评价满意度值计算公式:得到分拣中心对拆解企业的区间满意度值矩阵用同样的方法得到拆解企业对分拣中心的区间满意度矩阵
上述三种评价指标类型仅列为需要进行处理转化的指标类型,但不仅限上述三种,例如所述S4一般数值型指标包括:分拣中心对拆解企业的评价如地理位置、屏幕外观、产品磨损程度、产品品牌等指标;根据S4一般数值型指标的评价值可直接得到满意度矩阵和
步骤4:将上述评价指标满意度矩阵进行整合,得到分拣中心对拆解企业、拆解企业对分拣中心的综合评价满意度矩阵,即 可得到和考虑指标偏好置信度进一步可得到分拣中心的差异矩阵:以及拆解企业的差异矩阵:所述差异矩阵为分拣中心或拆解企业的期望与实际值之间的差距,其计算公式为:
步骤5:构建并求解多目标优化模型;根据步骤4得到的综合满意度值矩阵,建立综合满意度最大的多目标优化模型,使分拣中心和拆解企业的利润最大;同时分拣中心和拆解企业存在一定的约束,根据约束得到完整的模型函数,并利用智能寻优方法求解匹配结果;所述智能寻优方法包括线性加权转化为单目标求解或遗传算法或粒子群算法等;
基于所得满意度值矩阵,进一步建立多目标优化模型:
其中目标函数Z1、Z2分别表示使分拣中心和拆解企业达到最大满意度值的目标函数;同时xij的值即表示了分拣中心和拆解企业的匹配结果;约束条件表示分拣中心最多仅能匹配一个拆解企业;约束条件xij=0或1,i=1,2,...,m;j=1,2,...,n限定xij匹配结果只能为0或1,当xij=1时表示分拣中心i与拆解企业j达成匹配,反之即xij=0表示未达成匹配;
然后使用较为广泛的线性加权的求解方式,首先通过给予不同的加权和的权重参数ω1、ω2,进而可实现总满意度值Z=ω1Z1+ω2Z2最大:
其中,ω1、ω2的值表示本次匹配中对于分拣中心和拆解企业的重视程度,根据主观经验选取,理论情况下通常取ω1=ω2=0.5;
最后得到的单目标函数可基本替代原来的多目标模型,通过求解该单目标模型的解,即可反映多目标模型的解。使用优化软件lingo12.0即可求解得到匹配结果。
实施例2
下面通过实施例对本发明的方法进行验证。
深圳某环保科技公司旗下有8个分拣中心有货物库存可进行配货,现有4家拆解企业需要货物,通过调研发现分拣中心和拆解企业的属性和指标,并进行指标分类(以手机为例),如表1-5所示。
表1评价指标体系
表2分拣中心对拆解企业的评价
表3分拣中心的偏好置信度
表4拆解企业对分拣中心的评价
表5拆解企业的偏好置信度
利用步骤3指标处理过程得到评价值,进而得到满意度值矩阵如下表6和表7:
表6分拣中心的满意度值矩阵
表7拆解企业的满意度值矩阵
构建多目标优化模型:
表8结果显示:拆解企业1与分拣中心4、5、8匹配;拆解企业2与分拣中心3、6匹配;拆解企业3与分拣中心1匹配;拆解企业4与分拣中心2、7匹配。
表8匹配结果
通过求解结果可以看出,成功实现了分拣中心和拆解企业的匹配,通过分析发现,拆解企业3的属性相较于其他拆解企业,无法实现环保处理,也无法实现以旧换新,因此对分拣中心而言很难进行考虑。该匹配算法实现了分拣中心和拆解企业的稳定匹配,并且其整体满意度达到5.26,属于相同条件下的最高满意度。此匹配可作为分拣中心和拆解企业选择各自心仪的匹配对方主体,并能满足其期望,实现分拣中心的最高利润、最优库存压力,同时满足拆解企业稳定货源的需求。
本发明的保护范围并不仅局限于上述实施例,凡是在本发明构思的精神和原则之内,本领域的专业人员能够做出的任何修改、等同替换和改进等均应包含在本发明的保护范围之内。
Claims (6)
1.一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,所述方法包括:
步骤1:确定分拣中心和拆解企业的个数,采集分拣中心和拆解企业的数据,建立综合数据库;所述综合数据库包含分拣中心和拆解企业的属性数据,包括:地理位置、历史订单、货物的品类、货物的价格、货物的大小、分拣中心的仓储能力、拆解企业的拆解能力;
步骤2:建立分拣中心对拆解企业、拆解企业对分拣中心的评价指标体系,并根据不同分拣中心和拆解企业的个体对相应评价指标的偏好来设置指标置信度;所述评价指标包括0-1评价指标、语言评价指标、区间型评价指标以及一般数值型评价指标;
步骤3:建立分拣中心对拆解企业、拆解企业对分拣中心的评价指标满意度值矩阵;所述评价指标满意度矩阵包括0-1型评价满意度矩阵、语言评价满意度矩阵、区间型评价满意度矩阵以及一般数值型评价满意度矩阵;
所述0-1型评价满意度矩阵建立过程包括:若拆解企业和分拣中心对对方的指标期望值与实际值相等,则该评价指标值为1,反之则为0,满意度为:|t-1|,其中,t为评价指标值,从而得到双方的0-1型评价满意度矩阵;
所述语言评价满意度矩阵建立过程包括:根据拆解企业和分拣中心各自对产品的语言描述得到的语言评价指标转化为三角模糊值,得到各自对产品的语言评价矩阵,再根据分拣中心和拆解企业对对方的产品的语言评价偏好转化为三角模糊值,经利用理想点求距离、归一化处理后得到拆解企业和分拣中心对各自的语言评价满意度矩阵;
所述区间型评价满意度矩阵建立过程包括:获得拆解企业和分拣中心对各自产品属性的参考区间及对对方的期望区间,对参考区间和期望区间形成的坐标求得两坐标间的距离值作为满意度值,从而得到区间型评价满意度矩阵;
所述一般数值型评价满意度矩阵由评价值直接得到;
步骤4:将步骤3中所述0-1型评价满意度矩阵、语言评价满意度矩阵、区间型评价满意度矩阵以及一般数值型评价满意度矩阵进行整合,得到分拣中心对拆解企业、拆解企业对分拣中心的综合评价指标满意度矩阵,考虑指标置信度得到拆解企业和分拣中心的差异矩阵,所述差异矩阵为分拣中心或拆解企业的期望与实际值之间的差距,为满意度矩阵与指标置信度的乘积,通过将差异矩阵中的元素被减一,得到分拣中心对拆解企业、拆解企业对分拣中心的满意度值矩阵;
步骤5:根据得到的满意度值矩阵,建立满意度最大的多目标优化模型,使分拣中心和拆解企业的利润最大;同时分拣中心和拆解企业存在约束,根据约束得到完整的模型函数,并利用智能寻优方法求解匹配结果;所述智能寻优方法包括线性加权转化为单目标求解或遗传算法或粒子群算法;
所述多目标优化模型为:
xij=0或1,i=1,2,...,m;j=1,2,...,n
其中目标函数Z1、Z2分别表示使分拣中心和拆解企业达到最大满意度值的目标函数; 分别为分拣中心对拆解企业的综合满意度值矩阵以及拆解企业对分拣中心的综合满意度值矩阵:xij的值即表示了分拣中心和拆解企业的匹配结果;s.t.为约束条件;约束条件表示分拣中心最多仅能匹配一个拆解企业;约束条件xij=0或1,i=1,2,...,m;j=1,2,...,n限定xij匹配结果只能为0或1,当xij=1时表示分拣中心i与拆解企业j达成匹配,反之即xij=0表示未达成匹配;
所述多目标优化模型是通过给予不同的加权和的权重参数ω1、ω2,进而可实现总满意度值Z=ω1Z1+ω2Z2最大:
xij=0或1,i=1,2,...,m;j=1,2,...,n
其中,ω1、ω2的值表示本次匹配中对于分拣中心和拆解企业的重视程度。
2.如权利要求1所述的一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,0-1型评价指标包括:分拣中心对拆解企业的评价和拆解企业对分拣中心的评价;所述分拣中心对拆解企业的评价包括:能否环保处理、能否以旧换新、能否保护隐私;所述拆解企业对分拣中心的评价包括:产品能否开机、有无维修记录。
3.如权利要求1所述的一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,所述语言评价指标包括:分拣中心信誉度、产品描述符合度。
4.如权利要求1所述的一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,所述区间型评价指标包括:产品价格。
5.如权利要求1所述的一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,所述一般数值型指标包括:分拣中心对拆解企业的评价,所述分拣中心对拆解企业的评价包括:地理位置、屏幕外观、产品磨损程度、产品品牌。
6.如权利要求1所述的一种废弃电器电子产品回收流程中的智能匹配方法,其特征在于,所述ω1=ω2=0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055952.9A CN111222652B (zh) | 2020-01-18 | 2020-01-18 | 一种废弃电器电子产品回收流程中的智能匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055952.9A CN111222652B (zh) | 2020-01-18 | 2020-01-18 | 一种废弃电器电子产品回收流程中的智能匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111222652A CN111222652A (zh) | 2020-06-02 |
CN111222652B true CN111222652B (zh) | 2022-01-11 |
Family
ID=70829598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010055952.9A Active CN111222652B (zh) | 2020-01-18 | 2020-01-18 | 一种废弃电器电子产品回收流程中的智能匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222652B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114077964B (zh) * | 2021-11-12 | 2022-07-15 | 江南大学 | 电子固废回收全流程智能解析方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127388A (zh) * | 2016-06-24 | 2016-11-16 | 南瑞(武汉)电气设备与工程能效测评中心 | 高耗能企业的能效评估方法 |
CN108960443A (zh) * | 2018-06-26 | 2018-12-07 | 武汉科技大学 | 一种废旧零部件再制造评估系统及方法 |
CN109409541A (zh) * | 2018-10-29 | 2019-03-01 | 上海第二工业大学 | 实现报废汽车蓄电池逆向物流可行性评价的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130006801A1 (en) * | 2011-03-15 | 2013-01-03 | Opera Solutions, Llc | Systems and methods allocating items among auction sites to maximize profit |
-
2020
- 2020-01-18 CN CN202010055952.9A patent/CN111222652B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106127388A (zh) * | 2016-06-24 | 2016-11-16 | 南瑞(武汉)电气设备与工程能效测评中心 | 高耗能企业的能效评估方法 |
CN108960443A (zh) * | 2018-06-26 | 2018-12-07 | 武汉科技大学 | 一种废旧零部件再制造评估系统及方法 |
CN109409541A (zh) * | 2018-10-29 | 2019-03-01 | 上海第二工业大学 | 实现报废汽车蓄电池逆向物流可行性评价的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111222652A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Che et al. | A modified Pareto genetic algorithm for multi-objective build-to-order supply chain planning with product assembly | |
Liu et al. | A multi-attribute personalized recommendation method for manufacturing service composition with combining collaborative filtering and genetic algorithm | |
Shahanaghi et al. | Vendor selection using a new fuzzy group TOPSIS approach | |
CN106600356B (zh) | 多平台电子商务信息聚合方法及系统 | |
Fragoso et al. | Sustainable supply chain network design: An application to the wine industry in Southern Portugal | |
CN105809482A (zh) | 面向跨境贸易的大数据分析系统和方法 | |
Wang et al. | An outsourcing service selection method using ANN and SFLA algorithms for cement equipment manufacturing enterprises in cloud manufacturing | |
Quan et al. | Green supplier selection for process industries using weighted grey incidence decision model | |
Zhang et al. | Learning to select supplier portfolios for service supply chain | |
CN114077980A (zh) | 智能供应商管理系统及智能供应商管理方法 | |
CN111222652B (zh) | 一种废弃电器电子产品回收流程中的智能匹配方法 | |
Zhou et al. | Quality function deployment: A bibliometric-based overview | |
CN111967927A (zh) | 一种多准则计算满意度的商业采购方法 | |
Hariri et al. | Integration of multi-criteria decision-making approaches adapted for quality function deployment: an analytical literature review and future research agenda | |
Yan et al. | An integration of bidding-oriented product conceptualization and supply chain formation | |
CN116362844B (zh) | 一种“先并单-再派单”的外卖订单配送方案生成方法 | |
US20170372243A1 (en) | System and method for inventory management, cost savings delivery and decision making | |
CN110490461A (zh) | 门窗企业资源计划系统 | |
Chen et al. | Innovation and application of enterprise's supply chain management mode under the background of Industry 4.0 | |
Jiao et al. | An integration model for generating and selecting product configuration plans | |
CN115599771A (zh) | 预计算模型生成方法、装置以及系统 | |
Upadhyay et al. | Analyzing the factors for implementing make-to-order manufacturing system | |
CN114092123A (zh) | 一种满意度智能分析系统 | |
Hung | Using Cloud Services to Develop Marketing Information System Applications | |
CN114077964B (zh) | 电子固废回收全流程智能解析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |